至顶网网络与安全频道 03月08日 编译:AT&T、Palo Alto Networks和博通周五宣布正在开发一款虚拟防火墙框架,名为可扩展分类防火墙(DSFW)。据AT&T介绍,DFSW架构的目的是提供全球网络流量5G时代的保安和保护。DSFW使得网络运营商可以基于软件平台而不是硬件设备部署防火墙。
DSFW框架是分布式分类机箱(DDC)白盒架构的一个扩展,AT&T曾于去年九月将DDC提交给开放计算项目。AT&T表示,该扩展提供了动态可编程结构及网络边缘嵌入式安全。说得具体一些,该框架将人工智能和机器学习嵌入到网络结构,目的是防止攻击。
AT&T网络基础设施和服务副总裁Michael Satterlee表示,“安全一直都是AT&T网络计划的前沿阵地。传统上,我们必须依赖中心式安全平台或本地设备,这些系统或是未能直接置于网络路径里或是不符合成本效益,不能满足运营商的扩展要求。DSFW新的设计将安全结构嵌入到我们的网络边缘,可以提供控制、可视性和先进的威胁防护方法”。
AT&T表示,DSFW框架使用开放硬件和软件设计,可以支持灵活的部署模式,也代表了AT&T网络设计和部署的白盒理念。
除了AT&T公司在网络方面的贡献外,Palo Alto Networks边缘安全技术与博通的Jericho 2芯片也是DSFW设计不可缺少的。博通还将为Jericho 2的功能提供专家知识支持,博通还会提供一个Jericho芯片的新功能,新功能可以保留第4层的会话信息,因而可以进行数据硬件卸载的操作。三家公司表示,他们希望DSFW发布后可以从其他开放计算项目成员得到一些反馈。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。